人工智能时代的国际关系研究：挑战与机遇

在过去数年间，人工智能的发展速度远远超过人们的预期。我们曾经在“终结者”、“黑客帝国”、“银翼杀手”等影视作品中看到的场景，似乎开始越来越有可能在将来变成现实。相应地，人工智能对世界政治的影响日益加大。甚至最近爆出的一些新闻显示在这之前人工智能已经深刻地影响了大国政治。比如被认为有俄罗斯官方背景的“剑桥分析（Cambridge Analytical）”公司被爆出利用人工智能和大数据分析影响美国大选和英国脱欧，该公司对选举的操纵成为英国最终脱欧和特朗普在美国总统大选中竞选获胜的重要原因。诸如此类的情形，昭示着人工智能和大数据分析已经（而不只是将会）给世界政治格局带来重大影响。

而人工智能对国际关系研究的影响不仅在于研究对象受人工智能的影响而发生变化，更在于人工智能的发展在研究观念和研究方法上对国际关系研究者造成的冲击。这种冲击可能会在学术界引发一些重要争议，比如，什么才是国际关系研究最应该关注的研究对象？构成国际关系运行的基本实体及其运行方式会受何种影响？什么样的研究思路才是国际关系研究所应该采用的思路？什么样的研究方法才是国际关系研究所应采用的方法？等等。

从研究特点来看，传统的国际关系研究与人工智能时代的国际关系研究会有较大差异。从国际关系研究的本体论来说，传统的国际关系研究强调最基本的研究实体是民族国家，而人工智能的发展会助推网络国家的兴起，进而给传统的国际关系研究本体论带来一定的挑战。从国际关系研究的认识论来说，传统的国际关系研究更强调发现稳定清晰的因果关系和因果机制，而将机器学习方法引入国际关系研究后，国际关系的研究可能不再像以前那么执着于此，追求“无法解释但有用”的分析或许会变得同追求清晰的因果解释一样流行。从国际关系研究的方法论来说，传统的国际关系研究计量方法还是难以处理维数较高的数据以及复杂的非线性的问题，而引入了机器学习方法后，我们更有信心处理那些数据维度高、非线性以及变量之间相互复杂作用的问题。

人工智能对国际关系研究本体论的挑战

通常而言，本体论指的是研究构成世界的最基本实体是什么（比如古希腊哲学对构成世界的基本元素的探讨）及世界产生、存在和发展变化的根本原因和根本依据。国际关系的本体论指的是研究构成国际关系的最基本实体是什么，以及国际关系产生、存在和发展变化的根本原因和依据。传统的国际关系研究默认最基本的研究实体是民族国家，力图探寻民族国家之间冲突与合作的本质和规律，主流的国际关系理论都是围绕这些来展开的。然而人工智能的发展使得民族国家是否依然会是未来国际关系研究的最基本实体都可能存疑。在人工智能取得高速发展的情况下，民族国家面临着越来越多的挑战。

民族国家在人工智能时代所面临的最核心的挑战在于，网络国家（Net States）权势的进一步兴起可能会弱化民族国家在国际关系中的地位和影响。网络国家指的是除民族国家之外，类似于Facebook 、Google、Twitter这样的拥有巨大用户规模和全球影响力的机构。这些机构有的用户规模超过世界上任一国家的人口（比如Facebook有20亿用户规模），而且在民众心中拥有比政府高得多的威信。与民族国家相比，网络国家更有利于人们表达和扩散自己的思想，这可能使得人们在将来日益“拒绝国王和选举”，“转而拥护‘初略的共识和运行的代码’”。而目前很多地方对网络所得收入的征税权所属尚存争议，以后人们可能会“把自己的工作交给云存储去做，还向网络国家交税”，而受到各种物理限制的国家则可能面临更多的、各种各样的挑战。

这种趋势在互联网时代已经露出端倪，而随着人工智能的发展，这些网络国家开始成为自动化武器技术、自动驾驶技术、最顶尖的机器学习技术的拥有者，这使得这些机构在将来想要获得暴力手段时，也能够轻而易举地将自己的技术转化为暴力工具，从而对既有的民族国家统治构成巨大的挑战。同时，与前人工智能时代能更多地转化为强制和战斗力量的是物质资源（比如油气资源等）不同的是，在人工智能时代，最重要的资源是各种海量的数据资源，而直接拥有这些资源的往往是Facebook、Google等机构，而不是民族国家，这也使得将来民族国家与网络国家之间的权力天平可能会向网络国家倾斜。

民族国家在人工智能时代所面临的挑战还在于，人工智能的发展可能会打破民族国家内部结构的均衡，也可能会打破民族国家同其他国家或非国家组织之间的均衡。首先，人工智能可能会在未来造成大量的失业，进而影响很多国家的内部力量均衡。而这种内部失衡可能会带来全球民主国家数量的减少，并因此而对国际关系造成重大影响。在人工智能得到较大发展的时期，可能会有大量的失业人口，这些失业的人需要依赖政府提供的各种资源才能得以生存和发展，这将可能对国家内部力量均衡造成重大影响。当很多国家失去了作为社会稳定和民主中坚的、自食其力的中产阶级，也就在很大程度上失去了利用纳税等手段制约政府专权的可能性，那么这些国家能否像以前那样维持稳定的民主制度将成疑问。而一旦国际关系中民主国家数量减少，有可能会增加国际冲突发生的频度和烈度。其次，人工智能的发展也会影响民族国家同其他国家或非国家组织之间的均衡。一方面是“进攻性自控制武器”开发带来的军备竞赛的危险可能会打破民族国家之间的均衡；另一方面，非国家组织在将来会拥有对抗民族国家的更强大的武器。因为人工智能武器比核武器价格低得多，也不需要稀缺的原材料，更容易大批量生产，也更容易流入黑市和恐怖分子手中，最终可能成为被很多非国家行为体掌握的武器。

人工智能对国际关系研究认识论的影响

认识论（epistemology）也被称为知识论（二者往往被作为同一概念等同使用），通常指的是对“知识的性质、知识的可靠性和知识的获得方式”的看法。按照此定义，国际关系研究的认识论指的是国际关系研究者对国际关系学知识的性质、国际关系学知识的可靠性以及获得国际关系学知识的方式的看法。在知识论方面，传统的国际关系研究多强调对清晰的因果解释的追求，认为获得国际关系学知识的最佳途径是明晰各种国际关系现象背后的因果关系和因果机制，然而这种看法在人工智能时代会不断受到冲击。

国际关系研究者在看待国际关系学知识的性质与获取方式上很大程度会受到人工智能发展的影响。最近几年人工智能的重要突破在认识论上源于“变思维规则问题为数据问题和策略问题”，这为今后的国际关系研究提供了很大的启发，却也对既有的国际关系研究思路提出了重大的挑战。如果不考虑政策研究的话，在过去的国际关系纯学术研究中，占主流的研究问题大部分都是研究“为什么（Why）”的问题，而在今后的国际关系研究中，可能研究“怎么做（How）”的问题的数量会不断增长，随着国际关系研究的大数据不断积累，在使用“深度学习”的方法的情况下研究“怎么做（How）”的问题是合理的。之前很多学者认为国际关系纯学术研究最重要的是弄清楚“为什么（Why）”的问题，认为只有弄清楚了相关的因果关系和因果机制（“Why”的问题）后，才能更好地弄清楚怎么做的问题（“How”的问题）。而通过大数据和深度学习的结合，今后可能会有越来越多的研究在一定程度上跳过“为什么”的阶段，直接进入到“怎么做”的阶段。现在不少研究国际冲突的文章利用机器学习的方法进行预测，在这个过程中，这些文章并不需要关心国际冲突背后的因果关系和因果机制。

国际关系学界之外的群体在看待如何获取国际关系相关知识方面很大程度上也会受到人工智能发展的影响。这种影响可能会给传统的国际问题政策咨询方式带来冲击。机器学习方法其实早已使用在包括金融投资咨询、医疗咨询等很多行业中了。在金融投资领域，早在20世纪末，“道富环球投资管理公司已运用神经网络和进化算法进行买卖决策，对3.7万亿美元成功进行管理投资”；在医疗行业，IBM发展出了专家系统电脑医生“沃森”，它“容纳了史上所有的医学期刊。除了在大医院部署‘沃森’外，IBM最近还与十几家癌症研究机构合作，训练认知系统”。国际问题政策咨询方面在未来也很有可能出现金融和医疗等行业类似的现象。未来国际关系领域也极有可能出现类似“沃森”这样的专家系统，容纳所有的国际关系研究期刊，对获取的国际关系方面的数据进行比较，同时通过深度学习的方式不断训练其认知系统，最终在国际问题的咨询方面，取得超过人类的效果。在今后的国际关系/外交事务中，政府可能会在某些时候越过国际问题专家，直接向拥有大数据和人工智能技术的公司咨询。比如在寻找本·拉登的过程中，大数据公司Plantir发挥了关键作用。今后政府可能会在国际问题咨询方面更多地寻求国际关系研究者以外群体/主体的帮助。

人工智能对国际关系研究方法的挑战与机遇

人工智能的研究方法可以在很大程度上实现对既有的定性和定量方法的超越。目前国际关系研究方法主要有案例分析、计量、博弈论、实验等，这些方法各有所长，但是也均存在各种缺陷，迄今为止还没有哪种方法能赢得所有国际关系研究者的充分认同。而人工智能在过去几年进展迅速的“深度学习”方法，在今后的研究中会成为对传统的定性和定量方法的有力补充。

目前政治学和国际关系学界借助机器学习方法进行研究的趋向可以大体分为三类（三类趋向中，有些研究的主体是政治学和国际关系学学者，另一些研究则是其他学科的学者做出来的，但可以预见其他学科学者的这些研究会很快被政治学和国际关系学科的学者所借鉴）。

第一类是借助机器学习方法对既有的研究方法（比如传统的计量方法）进行改进，或者是发展出新的更贴合政治学和国际关系研究的机器学习方法。人工智能方法可以改进国际关系研究中使用的计量分析方法。比如在匹配方法方面，机器学习方法被用来估计倾向分，而机器学习中发展出来的遗传匹配技术也在一定程度上弥补了传统匹配方法的一些不足。在工具变量方法方面，现在已经有学者利用正则化（regularization）和调参的方式，来减轻使用工具变量时因工具变量数目或维度过多所带来的过拟合。在实验方法方面，随机试验方法善于处理平均处理效应，但不太擅长处理异质处理效应，有学者将机器学习中的多种方法结合起来改进对异质处理效应的估计。

第二类趋向是将机器学习方法运用到政治学和国际关系研究中去，既包括使用某些其他学科学术研究中使用较多的方法，如神经网络、支持向量机、随机森林等，也包括对政治学和国际关系关系学学者自己改进和发展出来的方法的使用，比如在政治学和国际关系研究中对自动文本分析方法的发展与应用等。以自动文本分析方法为例，一些政治学者发展了一些新的主题模型，比如议程表达模型（Expressed Agenda Model）、动态多主题模型（Dynamic Multitopic Model）、结构主题模型（Structural Topic Model）等。自动文本分析在政治学和国际关系研究中的应用，目前主要集中在国际安全和政治态度方面。比如在国际安全研究中，有学者借助结构主题模型方法分析崛起国和衰落的霸权国之间互动模式的微观行为基础，有的学者则借助自动文本分析方法分析了1998—2008年间俄罗斯政治精英和军事精英的8000份公开陈述，研究两个群体在对外政策方面的差异。在应用到对政治态度的分析方面，一是对政客在意识形态光谱上的定位分析，比如利用给词汇打分（wordscores）的文本分析方法来判断政治家在意识形态光谱中的位置；二是对政治议程设置和议程表述、政治家注意力分配的分析，比如对欧洲议会的政治议程的分析，对1995—2004年间美国参议员的政治注意力分配进行的分析，以及使用议程表达模型分析美国参议院是如何与选民进行沟通，以解释他们在华盛顿的工作的相关分析。

第三类趋向是将机器学习方法同其他研究方法进行总结、对比或综合。这些研究或是将机器学习方法同实验方法结合起来（如借此分析美国大众在何种情形下会将重要暴力事件界定为恐怖主义行为），或是将结构主题模型方法和统计方法结合起来（如借此方法指出美国媒体在报道穆斯林女性相关新闻时所暗含的伊斯兰恐惧症偏见），或是比较神经网络方法和逻辑回归在分析国际冲突方面的优劣。

现在人工智能中的机器学习方法极大地扩展了国际关系研究可以利用的信息的深度和广度。深度学习方法已经可以处理之前无法处理的Data，甚至将不是Data的东西变成了Data，比如说图像和语言信息，这些信息在之前因为维度太高而难以使用传统的计量方法进行处理，但是借助于机器学习方法就可以得到较好的处理。

人工智能对国际关系研究的挑战给中国带来的启示

面对上述影响，我们应当如何应对？

首先，政府应优化产业支持和国家间产业竞争策略。一方面，国家间存在着激烈的产业竞争，政府不能要求所有被政府支持的产业都取得成功，只要政府总体上所支持的所有产业所带来的收益超过了政府总的投入成本，就可以说产业政策是有效的。另一方面，政府在支持人工智能产业发展时，也应认真考虑如何避免过度刺激存在相关产业竞争的国家，进而防止该国对自己的产业施加过分的技术和贸易限制。

其次，进一步重视数据安全，防止数据向国外泄露或被少数大企业所垄断。我们既要重视数据主权，加强对自身数据安全的保护，又要重视通过技术的提升来增强对数据的掌控和分析，防止单纯限制数据跨境流动可能引发的国家间对抗的负面效果。与此同时，中国政府也应防止海量的数据被一些国内外大企业垄断所带来的不利影响，需要通过相应的法律法规对这种现象进行一定程度的规制。

再次，监控人工智能发展的风险，防止局面失控。出于国家间竞争的原因，人工智能的开发不可能因为存在风险就被放弃。但各国在研发人工智能的过程中，确实有必要通过合作共同管控人工智能开发的风险。也许将来要考虑像对待核武器的控制一样，各人工智能研发大国之间需要在控制人工智能开发、防止人工智能对人类造成不可挽回的灾难性影响等方面达成相关的开发控制协议。

最后，支持用机器学习的方式对国际关系展开研究，在国际关系本科和研究生教育中纳入机器学习等课程。不断吸取其他学科的养分是国际关系学科能够持续取得进步的重要原因，而国际关系学科的不断革新也要求国际关系学科人才培养方式不断革新。在机器学习和人工智能不断发展的今后，将基础的编程和机器学习课程纳入国际关系学人才培养的课程设计中，也许是一个必要的方案。